在任何需要联网检索的信息型问题上，用此技能指导多轮、多角度使用本项目的 `web_search` 工具。触发于「X 是什么」「解释 X」「比较 X 和 Y」「调研/研究 X」等，以及在开始任何内容生成任务（如 PPT、文章、UI、视频等）之前。提供系统化、多角度、多轮次的研究方法，而不是单次浅尝辄止的搜索。只要用户的问题需要线上信息，就应主动使用。
本技能提供一套系统化的方法论，用于进行深入的网页研究。在开始任何内容生成任务之前先加载本技能，以确保从多个角度、不同深度与多类来源获取足够信息。
在 Mini Agent 运行时，联网检索只通过 LangChain 工具 web_search 完成（见 backend/tools/web_search.py，由 config.yaml 的 tools.web_search 配置加载）。
| 要点 | 说明 |
|---|---|
| 工具名称 | 调用时使用 web_search（函数名即工具名），不要使用其他环境中的 WebSearch、web_fetch 等名称。 |
| 配置 | config.yaml → tools.web_search：provider 为 tavily（需有效 API key）或 duckduckgo（免费）；还可调 、。 |
max_resultstimeout_seconds| 返回内容 | 每条结果包含 标题、链接、摘要；摘要为截断后的片段（约 500 字以内），不是整页全文。 |
| 无 URL 抓取工具 | 当前仓库没有单独的「按 URL 拉取整页」工具。深度靠 多轮 web_search、换关键词、site: 限定、针对具体标题/机构再搜来弥补，而不是假设能 fetch 全文。 |
结构化数据（学生成绩、考勤等）属于 data_query，与网页研究无关；本技能仅约束 web_search 的使用方式。
在以下场景务必加载本技能：
不要只凭一般常识就生成内容。 输出质量直接取决于研究的质量与数量。单条搜索查询永远不够。
先用较宽的检索建立「地图」，理解全貌：
web_search 搜主题，获得整体背景示例：
主题："AI in healthcare"
初步搜索（每次调用 web_search，一次一个 query）：
- "AI healthcare applications 2026"
- "artificial intelligence medical diagnosis"
- "healthcare AI market trends"
识别出的维度：
- 诊断型 AI（放射、病理）
- 治疗推荐系统
- 行政自动化
- 患者监测
- 监管与合规
- 伦理与偏见
对每个重要维度进行定向研究：
web_searchsite:example.com + 关键词 再发起新的 web_search，而不是假定能打开 URL 读全文web_search示例：
维度："Diagnostic AI in radiology"
定向搜索：
- "AI radiology FDA approved systems"
- "chest X-ray AI detection accuracy"
- "radiology AI clinical trials results"
随后基于结果：
- 对最相关的 1～2 个来源换角度再搜（作者、机构、报告名）
为了覆盖全面且保持平衡，主动寻找多种信息类型：
| 信息类型 | 目的 | 示例检索词 |
|---|---|---|
| 事实与数据 | 提供可验证证据 | "statistics", "data", "numbers", "market size" |
| 案例与示例 | 真实世界应用 | "case study", "example", "implementation" |
| 专家观点 | 权威分析 | "expert analysis", "interview", "commentary" |
| 趋势与预测 | 未来方向 | "trends 2026", "forecast", "future of" |
| 对比分析 | 方案/竞品语境 | "vs", "comparison", "alternatives" |
| 挑战与批评 | 平衡视角 | "challenges", "limitations", "criticism" |
在开始内容生成前，确认：
web_search（多轮、多 query）？site:、报告名/论文名）以弥补摘要长度限制？如有任一项为否，继续用 web_search 迭代，不要进入生成阶段。
# 加上语境，让查询更具体
❌ "AI trends"
✅ "enterprise AI adoption trends 2026"
# 暗示权威来源类型
"[topic] research paper"
"[topic] McKinsey report"
"[topic] industry analysis"
# 指定内容形态
"[topic] case study"
"[topic] statistics"
"[topic] expert interview"
# 加入时间限定——必须使用 <current_date> 中的真实年份
"[topic] 2026" # ← 替换为真实当前年份，绝不要写死成过去年份
"[topic] latest"
"[topic] recent developments"
在形成任何搜索词之前先检查上下文中的 <current_date>。
<current_date> 会提供完整日期（年/月/日/星期）。根据用户意图决定时间精度：
| 用户意图 | 需要的时间精度 | 示例查询 |
|---|---|---|
| 「今天/刚发布/刚刚」 | 月 + 日 | "tech news February 28 2026" |
| 「这周」 | 周范围 | "technology releases week of Feb 24 2026" |
| 「最近/最新」 | 月份 | "AI breakthroughs February 2026" |
| 「今年/趋势」 | 年份 | "software trends 2026" |
规则：
"tech news 2026" 往往抓不到当天的新闻）2026-02-28）、英文月份格式（February 28 2026）与相对词（today, this week）示例对比：
"new technology 2026" → 可能漏掉当天新闻"new technology February 28 2026" + "tech news today Feb 28" → 更可能覆盖当天当满足以下任意条件时，应追加或改写 web_search，而不是假设能读取完整 HTML：
"statistics"、"pdf"、"full report" 等研究是迭代的。初步搜索之后：
web_search当你能有把握回答以下问题时，研究就「够用」了：
web_search 就停止web_fetch、环境专属的 WebSearch），应统一使用 web_search完成研究后，你应该具备：
只有达到上述程度，才进入内容生成阶段，用研究结果支撑高质量输出。